【導讀】近日，來自谷歌的研究人員發布了多模態擴散模型VLOGGER，只需一張照片，和一段音頻，就能直接生成人物說話的視頻！ 只需一張照片，和一段音頻，就能直接生成人物說話的視頻！ 近日，來自Google的研究人員發布了多模態擴散模型VLOGGER，讓我們朝著虛擬數位人又邁進了一步。 論文地址：https://enriccorona.github.io/vlogger/paper.pdf